摘要：米精准的交通流量预测是现代智能交通系统稳定运行的关键。在过去的十几年中,交通流量数据呈爆炸式增长,智能交通步人大数据时代。交通流量预测受空间道路拓扑结构和时序流量运动模式等多种因素影响,如何捕获观测节点间的复杂时空相关性,如何利用合理的先验知识辅助建模海量数据,提升在真实场景下的预测精度,成为交通流量预测的重点。现有交通流量预测方法主要使用基于隐式特征提取的设计,在综合交通时空信息,捕获节点时空依赖关系上仍存在模型能力弱,可解释性差等不足。本文提出了一种时序双分支图卷积网络(Bi-Path graph convolutional network,简称Bi-PathGCN),设计了基于时序特征提取的双分支图卷积网络。双分支图卷积网络首先利用时序特征解耦模块将时序特征拆分成低频分量和高频分量。不同分量输入由两个并行的时空特征提取模块提取有判别力的特征,并利用时空特征融合模块进行自适应加权融合。该设计显式利用了时序先验信息,提升了模型对复杂时空结构信息的捕获能力。本文还使用两个真实场景下的交通数据集评估了该方法的预测性能。实验表明,本文提出的双分支图卷积网络结构,可以有效利用不同时序分量的互补信息,简化模型的学习难度,在对比模型中取得了更好的表现,体现了本方法在精准预测交通流量方面的潜力和优越性。

摘要：制造企业现有的内部知识管理系统大多通过人工选取产品研发文档标签,效率低下。应用自然语言处理技术抽取文档关键词作为文档标签有助于制造企业知识管理系统智能化。针对产品研发文档关键词抽取问题,提出了BERT-BiLSTM-TFIDF关键词自动抽取方法,基于BERT-BiLSTM设计句权重模型计算各词语所在句子的句权重,同时添加词性权重以及外部语料库以改进TFIDF算法。本文提出的方法改善了现有关键词自动抽取方法没有合理利用词语的语义信息、上下文关系信息的缺点,经过实验证实具有较好的效果。

摘要：本文采用模糊数学当中模糊综合评判的原理与方法达到评价判定客户关系价值的目的。文中所建立的客户关系价值的模糊综合评判模型属于二级模糊综合评判,其指标体系的主准则层由"客户贡献价值"、"客户认同感与忠诚度"、"企业支付的客户成本"三个指标组成,并采用Delphi法设计各评价指标权重和评估子准则层。文章力图为客户关系管理中客户价值判定、客户分类及客户组合设计与管理等实际问题提供思路与方法。